|
|
|
| 基于SVM的缓存污染资源代表性检测方案 |
| 杨一涛陈伟戴成瑞 |
| 南京森林警察学院信息技术学院南京邮电大学计算机学院 |
|
|
|
|
摘要 攻击者通过中间人攻击等方式实施缓存污染,在受攻击对象浏览器中运行恶意代码窃取敏感数据。在缓存污染防御策略中,易受攻击的Web资源代表性对检测和防御的效果起到至关重要的作用。现有的资源代表性判断算法对小众资源或随机资源的识别率不高,本文基础上基于SVM技术,对已知的易受污染资源进行特征提取、数据预处理和模型训练,最后利用训练模型对未知资源进行预测判断,实验结果表明该方案在损耗小部分时间的情况下可以大幅提升污染样本的检测率。
|
|
| 关键词 ：
Web安全,
缓存污染,
SVM
|
|
|
| 基金资助:中央高校基本科研业务费专项资金资助项目(LGZD201802)； 国家自然科学基金资助项目(61772284)； |
|
|
|
